JP6451037B2 - 情報処理装置、方法及びプログラム - Google Patents

情報処理装置、方法及びプログラム Download PDF

Info

Publication number
JP6451037B2
JP6451037B2 JP2016033100A JP2016033100A JP6451037B2 JP 6451037 B2 JP6451037 B2 JP 6451037B2 JP 2016033100 A JP2016033100 A JP 2016033100A JP 2016033100 A JP2016033100 A JP 2016033100A JP 6451037 B2 JP6451037 B2 JP 6451037B2
Authority
JP
Japan
Prior art keywords
data
deposit
balance
transfer flow
coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016033100A
Other languages
English (en)
Other versions
JP2017151695A (ja
Inventor
康平 鈴木
康平 鈴木
知行 各務
知行 各務
智也 尾崎
智也 尾崎
Original Assignee
株式会社 ゆうちょ銀行
株式会社 ゆうちょ銀行
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社 ゆうちょ銀行, 株式会社 ゆうちょ銀行 filed Critical 株式会社 ゆうちょ銀行
Priority to JP2016033100A priority Critical patent/JP6451037B2/ja
Publication of JP2017151695A publication Critical patent/JP2017151695A/ja
Application granted granted Critical
Publication of JP6451037B2 publication Critical patent/JP6451037B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Description

本発明は、情報処理装置、方法及びプログラムに関する。
銀行の預金やATMに用意されている現金の量を予測する手法としては、各種のものが提案されている(例えば、特許文献1−2を参照)。
特許第5666731号公報 特開2012−141765号公報
総預金残高を推計する際、定期預金や普通預金といった各種預金の残高推計モデルがそれぞれ最適設計されていても、それらの総和が最適な総預金残高モデルとは限らない。また、各預金相互の資金移動と外部との入出力からなるネットワーク上における資金移動フローデータと、単なる残高データとでは、過去に遡って参照できる期間が相異なる場合が多い。また、残高を回帰分析で推計する際の各残高推計モデルの精度を左右する説明変数の選択が妥当でない場合がある。このような幾つかの理由により、銀行の将来の総預金残高の推移を精度よく予測することは難しい。
そこで、本発明は、各種預金の総預金残高を精度よく推計可能な技術を提供する。
上記課題を解決するため、本発明では、各預金の資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数を、資金移動フローの過去データが遡れる期間のデータと遡れない期間のデータとに基づいて特定し、特定した係数を用いた回帰式に基づいて将来の総預金残高を推計することにした。
詳細には、本発明は、情報処理装置であって、過去の各預金の残高の時系列データと、各預金相互の資金移動と外部との入出金の資金移動フローの過去データとを格納したデータベースと、各預金の資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数を、資金移動フローの過去データを参照できる期間のデータと参照できない期間のデータとに基づいて特定する係数特定手段と、特定した係数を用いた回帰式に基づいて将来の総預金残高を推計する推計手段と、を備える。
このような情報処理装置であれば、各資金移動フローと各預金の残高と総残高とがバランスよくモデル化される。そして、資金移動フローのデータ参照できる期間と参照できない期間とを含めた過去の時系列データを有効に利用した推計モデルが構築される。よって、算出される総預金残高のモデル推計値の精度を高めることが可能である。
なお、係数特定手段は、差分に対して各々乗じられる各パラメータを使い、各パラメータを各々乗じた差分の合計が最小となる回帰分析の係数を特定するものであってもよい。上記の情報処理装置がこのような係数特定手段を備えれば、ユーザは、各パラメータと総
預金残高のモデル推計値との関連性を容易に把握することができる。
また、係数特定手段は、各パラメータを順次変化させながら、資金移動フローと残高データと総残高データのモデルの妥当性指標を更に算出するものであってもよい。妥当性指標を算出しながら各パラメータを順次変化させれば、妥当性指標を見ながら最適な推計モデルを生成可能である。
また、本発明は、上記情報処理装置を方法またはプログラムの側面から捉えたものであってもよい。
上記情報処理システム、方法及びプログラムであれば、各種預金の総預金残高を精度よく推計可能である。
図1は、実施形態に係る情報処理装置の構成を示した図である。 図2は、データベースに格納されているデータの一例を表したイメージ図である。 図3は、情報処理装置において実現される処理内容を表したフロー図である。 図4は、推計部によって算出される将来の総預金残高のモデル推計値のイメージ図である。
以下、本発明の実施形態について説明する。以下に示す実施形態は、単なる例示であり、本発明の技術的範囲を以下の態様に限定するものではない。
図1は、情報処理装置の構成を示した図である。情報処理装置1は、CPU(Central Processing Unit)やRAM(Random Access Memory)、ROM(Read Only Memory)、
通信インタフェース等を備えており、コンピュータプログラムを実行することにより各種の機能部を実現する。情報処理装置1は、例えば、銀行の総預金残高を推計する残高推計プログラムを実行することにより、データベース2のデータを用いて各種の演算処理を行う係数特定部3および推計部4を実現する。
データベース2には、各資金移動フローの時系列データD1、各預金残高の時系列データD2、総預金残高の時系列データD3、説明変数の時系列データD4が格納されている。図2は、データベース2に格納されているデータの一例を表したイメージ図である。各資金移動フローの時系列データD1とは、各預金間や外部との間における資金移動フローの過去の時系列データである。また、各預金残高の時系列データD2とは、各預金の残高の過去の時系列データである。また、総預金残高の時系列データD3とは、各預金を合計した総預金残高の過去の時系列データである。また、説明変数の時系列データD4とは、資金移動フローに対して関わりのある事項に関する過去の時系列データであり、例えば、預金金利や市場金利といった資金移動フローに影響を与える各種のデータである。
なお、図2では、各資金移動フローの時系列データD1と各預金残高の時系列データD2が3つずつ示されているが、本実施形態の情報処理装置1は、銀行が取り扱う預金の数に応じた適宜の量のデータを処理可能である。また、データベース2は、情報処理装置1とは別体に設けられた記憶装置類に格納されていてもよいし、情報処理装置1内の記憶装置類に格納されていてもよい。
係数特定部3は、銀行の総預金残高の推計に用いる回帰分析の係数を特定する処理を主に担う機能部である。また、推計部4は、回帰式に基づいて将来の総預金残高を推計する処理を主に担う機能部である。
以下、情報処理装置1において実現される処理内容について説明する。図3は、情報処理装置1において実現される処理内容を表したフロー図である。情報処理装置1が上記の残高推計プログラムを実行すると、係数特定部3が、各資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数(以下、「回帰係数」という)を、資金移動フローの過去データが遡れる期間のデータと遡れない期間のデータとに基づいて特定する(S101)。そして、推計部4が、係数特定部3が特定した係数を用いた回帰式に基づいて将来の総預金残高を推計する(S102)。
すなわち、上記のステップS101では、係数特定部3が、各資金移動フローのモデル推計値と時系列データD1との差分、各預金残高のモデル推計値と時系列データD2との差分、総預金残高のモデル推計値と時系列データD3との差分の合計を表す関数(以下、「目的関数」という)を基に、当該目的関数を最小とする回帰係数を計算する。なお、資金移動フローの時系列データD1の収録期間が他の時系列データD2、D3,D4より短いため、当該目的関数では、これらの差分が、資金移動フローの時系列データD1が収録されている期間とそれ以外の期間とに分けて用意されている。回帰係数は、各資金移動フローのモデル推計値を説明変数の時系列データD4から算出する際に用いられる、時系列データD4に対して乗算される係数と、時系列データD4に対して加算される値である。各預金残高のモデル推計値は、資金移動フローのモデル推計値に基づいて算出される。総預金残高のモデル推計値は、各預金残高のモデル推計値に基づいて算出される。
また、上記のステップS102では、推計部4が、ステップS101で算出された回帰係数を使い、将来の総預金残高のモデル推計値を算出する。将来の総預金残高のモデル推計値は、適当に設定された将来の預金金利や市場金利等の説明変数の仮想時系列データに対して上記回帰係数を乗算して得られる資金移動フローのモデル推計値を使って各預金残高のモデル推計値を算出した後、算出した各預金残高のモデル推計値を合算することにより得られる。
図4は、推計部4によって算出される将来の総預金残高のモデル推計値のイメージ図である。上記一連の処理が実行されると、情報処理装置1は、適当に設定された将来の預金金利や市場金利等の説明変数を基に、将来の総預金残高のモデル推計値を算出する。情報処理装置1は、算出した将来の総預金残高のモデル推計値をディスプレイ等の表示装置類へ出力する。また、情報処理装置1は、算出した将来の各預金残高のモデル推計値、各資金移動フローのモデル推計値をディスプレイ等の表示装置類へ出力してもよい。
一般に、総預金残高は、預金金利や市場金利等により変動する。そこで、例えば、これらを説明変数とした回帰分析により、過去の総残高のデータに当てはめるモデルを作ることが考えられる。しかし、単に預金金利や市場金利等を説明変数とした回帰分析で精度の良いモデルを構築することは難しい。そこで、総預金をより小規模の複数部分に分解し、各部分の残高推計モデルを構築して、それらを総和することにより、より精度の高いモデルを構築することが考えられる。しかしながら、各預金残高の推計値を総和して総預金残高とする時、各預金残高の推計モデルが最適設計(差分最小化)されていたとしても、それらの総和としての総預金残高の推計モデルが最適なもの(差分最小)とは限らない。つまり、部分最適を積み上げても、必ずしも全体最適とはならない。その原因としては、例えば、部分最適を施した結果、偶然または共通の差分要因等によって、部分の差分間に正の相関を有する結果となり、総和すると差分が拡大する、といったことが考えられる。
この点、本実施形態の情報処理装置1によって実行される処理であれば、各資金移動フローの推計値や各預金残高の推計値を最適化する度合いと、全体(各預金残高への集積、総預金残高への総和)における最適性の劣化を抑制する度合いとがバランスした総預金残高の推計モデルが構築されるので、算出される総預金残高のモデル推計値の精度が比較的高い。
また、金融機関が保有するデータでは、例えば、図2で例示したように、資金移動フローデータの収録期間と、単なる各預金残高データや総預金残高のデータ収録期間とが相違する場合がある。この場合に、データ収録期間が短期のデータに合わせて推計モデルが構築されると、長期に取得されているデータが有効に利用されないため、例えば、長期間のデータを使ったバックテストにおいて差分が許容範囲を超える可能性がある。
この点、本実施形態の情報処理装置1によって実行される処理であれば、例えば、資金移動フローに関して、データが参照できる期間と参照できない期間とを問わずに、過去の時系列データの全てを有効に利用した推計モデルが構築されるので、例えば、長期間のデータを使ったバックテストにおいても差分が許容範囲を超える可能性を低減できる。
<変形例1>
ところで、上記の目的関数の各項を構成する上記差分に対しては、適当に設定されるパラメータが各々に乗じられてもよい。例えば、係数特定部3は、上記のステップS101において、適当に設定されるパラメータを上記の各差分に対して乗じたものの合計を上記目的関数とし、この目的関数を最小とする回帰係数を算出するようにしてもよい。ここで、各差分に対して乗じられるパラメータとは、回帰分析における最適化の度合いを制御するパラメータであり、以下のような設定が考えられる。
(設定例その1)例えば、何らかの理由により、資金移動フローの時系列データD1のみを回帰分析の対象としたい場合、各資金移動フローのモデル推計値と時系列データD1との差分に対して「1」を乗じ、それ以外の差分に対して「0」を乗じたものを上記の目的関数とし、当該目的関数を最小とする回帰係数を計算する。このような目的関数から計算した回帰係数が使われると、資金移動フローの時系列データD1以外のデータの影響を除いた総預金残高のモデル推計値が算出されることになる。
(設定例その2)また、例えば、何らかの理由により、資金移動フローの時系列データD1と各預金残高の時系列データD2のみを回帰分析の対象としたい場合、各資金移動フローのモデル推計値と時系列データD1との差分に対して「0.5」を乗じ、各預金残高のモデル推計値と時系列データD2との差分に対して「0.5」を乗じ、それ以外の差分に対して「0」を乗じたものを上記の目的関数とし、当該目的関数を最小とする回帰係数を計算する。このような目的関数から計算した回帰係数が使われると、資金移動フローと各預金残高の時系列データD1,D2以外のデータの影響を除いた総預金残高のモデル推計値が算出されることになる。
(設定例その3)また、例えば、何らかの理由により、上記設定例その2における資金移動フローの時系列データD1の影響度合いを高め、各預金残高の時系列データD2の影響度合いを低めたい場合、各資金移動フローのモデル推計値と時系列データD1との差分に対して「1.0」を乗じ、各預金残高のモデル推計値と時系列データD2との差分に対して「0.5」を乗じたものを上記の目的関数とし、当該目的関数を最小とする回帰係数を計算する。このような目的関数から計算した回帰係数が使われると、上記設定例その2の場合よりも資金移動フローの時系列データD1の影響を高めた総預金残高のモデル推計値が算出されることになる。
本変形例1において上記各差分に設定されるパラメータは、例えば、以下のように自動的に変化すれば、ユーザは所望する残高推計モデルを容易に享受することができる。係数特定部3は、例えば、上記各差分に乗じられる各パラメータを適当に設定された各パラメータの変動幅の範囲内で、小刻みに変化させる。各パラメータの変動幅の範囲は、例えば、ユーザが設定するものであってもよいし、プログラムに予め設定されたものであってもよい。また、各パラメータの変化量は、例えば、各パラメータの変動幅を適当な変化回数で割った値であってもよいし、適当に設定された変化量の値であってもよい。
係数特定部3が上記各差分に設定されるパラメータを小刻みに変化させながら回帰係数をその都度算出し、推計部4が各パラメータに応じた様々な総預金残高のモデル推計値を算出することにより、ユーザは、上記各差分に乗じられる各パラメータと、算出される将来の総預金残高のモデル推計値との関連性を容易に把握することができる。
<変形例2>
また、総残高データのモデル推計値の算出において時系列データD4の中から使用される説明変数は、例えば、所定の制約条件に従って選択されてもよい。ここで、所定の制約条件とは、説明変数と資金移動フローとの関係において不可避的に定まる条件であり、例えば、必要条件、禁止条件、値域条件といった各種観点の条件が挙げられる。
例えば、普通預金から定期預金への資金移動フローの場合、顧客が定期預金の金利を考慮したが故に定期預金への資金移動を行ったと考えるのが自然であるから、普通預金から定期預金への資金移動フローでは少なくとも定期預金の金利を説明変数に含めることを必要条件にすることが考えられる。また、例えば、普通預金から当座預金への資金移動フローの場合、資金移動を行った顧客が定期預金の金利を考慮した可能性は低いと考えるのが自然であるから、普通預金から当座預金への資金移動フローでは定期預金の金利を説明変数に含めないことを禁止条件にすることが考えられる。また、例えば、普通預金から定期預金への資金移動フローの場合、定期預金の方が預金残高の増加が期待できると考えるのが自然であるため、定期預金金利の回帰係数は必ず正値をとることを値域条件にすることが考えられる。
総残高データのモデル推計値の算出において時系列データD4の中から使用される説明変数が、例えば、上記のような制約条件に従い、妥当性指標を併用しながら選択されれば、ユーザは、より精度の高い総預金残高のモデル推計値を得ることができる。妥当性指標は、選択された変数の組み合わせがモデルの差分減少にどれだけ有効に寄与できたかを表す指標であり、例えば、赤池情報量規準(AIC)等の各種指標を適用可能である。
一般に、モデルの精度は、その説明変数の選択の妥当性に左右される。説明変数の選定方法は、回帰分析によるフィッティングのさせ方によって異なる場合がある。よって、回帰分析によるフィッティングの都度、妥当性の高い説明変数の組合せを手作業で網羅的に試験することは容易でない。この点、上記の変形例1や変形例2を適宜組み合わせれば、例えば、説明変数の選択を制約条件に従わせながら変化させつつ、変化の度に妥当性指標を把握することができるので、妥当性指標を見ながら最適な推計モデルを生成可能である。
1・・情報処理装置:2・・データベース:3・・係数特定部:4・・推計部:D1〜D4・・時系列データ

Claims (5)

  1. 過去の各預金の残高の時系列データと、各預金相互の資金移動と外部との入出金の資金移動フローの過去データとを格納したデータベースと、
    各預金の資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数を、資金移動フローの過去データを参照できる期間のデータと参照できない期間のデータとに基づいて特定する係数特定手段と、
    特定した係数を用いた回帰式に基づいて将来の総預金残高を推計する推計手段と、を備える、
    情報処理装置。
  2. 前記係数特定手段は、前記差分に対して各々乗じられる各パラメータを使い、前記各パラメータを各々乗じた前記差分の合計が最小となる回帰分析の係数を特定する、
    請求項1に記載の情報処理装置。
  3. 前記係数特定手段は、前記各パラメータを順次変化させながら、前記資金移動フローと残高データと総残高データのモデルの妥当性指標を更に算出する、
    請求項2に記載の情報処理装置。
  4. コンピュータが、
    データベースに格納されている過去の各預金の残高の時系列データおよび各預金相互の資金移動と外部との入出金の資金移動フローの過去データを参照して、各預金の資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数を、資金移動フローの過去データを参照できる期間のデータと参照できない期間のデータとに基づいて特定し、
    特定した係数を用いた回帰式に基づいて将来の総預金残高を推計する、
    情報処理方法。
  5. コンピュータに、
    データベースに格納されている過去の各預金の残高の時系列データおよび各預金相互の資金移動と外部との入出金の資金移動フローの過去データを参照して、各預金の資金移動フローのモデル推計値、各預金の残高データのモデル推計値、及び総残高データのモデル推計値のそれぞれの実際の値との差分の合計が最小となる回帰分析の係数を、資金移動フローの過去データを参照できる期間のデータと参照できない期間のデータとに基づいて特定するステップと、
    特定した係数を用いた回帰式に基づいて将来の総預金残高を推計するステップと、を実行させる、
    情報処理プログラム。
JP2016033100A 2016-02-24 2016-02-24 情報処理装置、方法及びプログラム Active JP6451037B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016033100A JP6451037B2 (ja) 2016-02-24 2016-02-24 情報処理装置、方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016033100A JP6451037B2 (ja) 2016-02-24 2016-02-24 情報処理装置、方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2017151695A JP2017151695A (ja) 2017-08-31
JP6451037B2 true JP6451037B2 (ja) 2019-01-16

Family

ID=59741938

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016033100A Active JP6451037B2 (ja) 2016-02-24 2016-02-24 情報処理装置、方法及びプログラム

Country Status (1)

Country Link
JP (1) JP6451037B2 (ja)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003114977A (ja) * 2001-10-03 2003-04-18 Hitachi Ltd 顧客生涯価値算出方法およびシステム
AU2004244265B2 (en) * 2003-05-22 2008-06-19 Pershing Investments, Llc Activity-driven, customer profitability calculation system
JP5579051B2 (ja) * 2010-12-28 2014-08-27 新日鉄住金ソリューションズ株式会社 情報処理装置、情報処理方法、及びプログラム
JP5961413B2 (ja) * 2012-03-27 2016-08-02 沖電気工業株式会社 予測装置、予測方法およびプログラム
JP5666731B1 (ja) * 2014-04-25 2015-02-12 株式会社三菱東京Ufj銀行 情報処理装置及びプログラム

Also Published As

Publication number Publication date
JP2017151695A (ja) 2017-08-31

Similar Documents

Publication Publication Date Title
US8577791B2 (en) System and computer program for modeling and pricing loan products
WO2019105226A1 (zh) 一种用于营销活动效果预测的方法、装置及电子设备
JP2011065636A (ja) 変数スコアリングを使用するモデル最適化システム
US20140101024A1 (en) Predicting financial outcome
US20090144101A1 (en) System and Method Determining Reference Values of Sensitivities and Client Strategies Based on Price Optimization
WO2020024718A1 (zh) 外汇交易量预测方法和装置
EP3371764A1 (en) Systems and methods for pricing optimization with competitive influence effects
WO2010080146A2 (en) Statistical impact analysis machine
WO2017070558A1 (en) Systems and methods for analytics based pricing optimization with competitive influence effects
JP2010122825A (ja) データ予測装置、データ予測方法、データ予測プログラム
US20140379310A1 (en) Methods and Systems for Evaluating Predictive Models
US10074142B1 (en) Computational architecture and method for a time-varying control system
CN109583729B (zh) 用于平台在线模型的数据处理方法和装置
JP2017117152A (ja) 取引管理システム、取引管理方法及び取引管理プログラム
JP5831363B2 (ja) 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム
JP5084968B1 (ja) 市場リスク予測装置、市場リスク予測方法及び市場リスク予測プログラム
JP6451037B2 (ja) 情報処理装置、方法及びプログラム
JP5899188B2 (ja) 利率設定方法および装置
JP6622678B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN113657945A (zh) 用户价值预测方法、装置、电子设备和计算机存储介质
Inaba Inventory management of short lifecycle slow moving items: a case study
CN115311066A (zh) 贷款风险评估方法及装置
JP5650290B1 (ja) オペレーショナルリスクの計量方法及び装置
CN112037071A (zh) 投资组合产品的风险监控方法及装置
JP6825479B2 (ja) 推定プログラム、推定装置、及び推定方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171211

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181102

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181113

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181122

R150 Certificate of patent or registration of utility model

Ref document number: 6451037

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250